实体书店新员工 微软“小冰”帮读者找到合适的书

“现阶段成熟的物流体系让人在中国的任何一个地方都很容易拥有一本书或者一个产品,但问题是如何让人能找到合适自己的,以及更多丰富多彩的东西?如果只推荐爆款,会不会让人们变得单一?”微软(亚洲)互联网工程院副院长李笛的这段话或许是微软“小冰读书推荐”存在的原因。

近日,言几又与微软(亚洲)互联网工程院正式宣布,双方在AI赋能文化零售产业展开合作。其中,基于大数据推荐算法和情感计算框架的“小冰读书推荐”已正式部署完毕,在言几又广州K11等实体店及微信服务号正式上线。在近两个月的线上验证中,已有数千读者通过微软小冰的个性化荐书找到了心仪的书籍并下单购买。

记者体验

小冰会问两类问题以确定读者喜好

据介绍,在一对一交流中,小冰会与用户沟通“学生时代喜欢上什么课”“近一年来最大的收获”“想去哪里旅游”等话题。通过对话引导了解和确认读者的个性特征、阅读喜好及当前阅读需求后,结合对市面上海量书籍的学习,小冰将为读者推荐最适合的专属书单。

北京青年报记者扫描言几又实体店活动二维码、进入言几又微信服务号,体验一下小冰选书的能力。

记者在和小冰交互过程中,感受到小冰提出的问题大约分成两类:一类和产品品类相关,一类是和用户个性相关。和图书品类相关的问题大致上和书店里常见的图书种类划分一致:文学、社科、科技、生活……还有一些问题则是和读者自身相关。

“和读者息息相关的部分又可以再细分成两类:一类问题是用户的身份,比如是初入职场的白领,或者新手爸妈;另一类问题是客观的兴趣,比如你是更偏文艺气息还是更具有科技感。我们会在有限的8到10轮问话当中兼顾到这几类不同的维度,以确保我们对内容有很好的筛选,为读者做出一个最适合TA本人的推荐。”微软(亚洲)互联网工程院微软小冰产品总监孙婷告诉记者,“系统在后台提供一个弹性的部分,从结果上来看可能是无关的问题,甚至是比较重复的,但这个对于系统来讲是很重要的。可能会带来更合适的结果。”

小冰优势

弥补人工不足帮读者找到合适的书

为了能成为贴心的“人工智能书店店员”,小冰进行了大量的机器学习以及向真人店员的请教。

在数据学习的部分,微软小冰以每本书的ISBN编号和书名等主要标签作为学习的基础,了解了书名、作者、简介、品类,甚至包括读者相关的评论和标签等。在系统学习海量图书后,当言几又给出书店在售的图书列表之后,小冰就可以根据运算结果只向用户推荐该店在售的图书。此外,微软人工智能团队还采访了言几又书店的店员,以让小冰补充人类店员的不足。

在孙婷看来,图书销售目前最大的痛点是读者不知道看什么书。“读者能否找到好书完全依赖于店员对这一领域有否了解。但一直满意的概率很低,因为每个人都有擅长的领域和空白的领域。另外,有的书店把榜单、热门、畅销书籍放在显眼处,让顾客参考解决。但这个办法并不好。”

而且,通过店员向顾客推荐,存在不少缺陷:一是店员人数有限,忙的时候照顾不过来所有顾客,而人工智能店员的优势恰在可以同时服务许多人。二是也有一些主观原因,“销售意愿很强的店员会观察顾客,在顾客需要时主动上前询问,但同时也有一些销售意愿不是很强的店员,书店对如何激励他们也很头疼。”孙婷说。

行业反思

流量至上会失去看丰富内容的可能性

还有更深层的问题:如果店员的薪酬体系是底薪加推荐机制,销售不同的书提成不同,一本书提成3元,另一本书提成10元,店员在推荐图书的时候到底该依据读者的需求来推荐,还是会为个人收入做考量呢?“小冰能做到从让读者更满意这个角度出发去推荐书,这在一定程度上能抑制流量为王的发展趋势。”微软(亚洲)互联网工程院副院长李笛说。

时下,很多互联网平台选择用“销售大数据排行”来为读者推荐图书。这种推荐带来畅销书的马太效应:好卖的书被推荐的次数越来越多,变成了霸榜的超级畅销书,更多元的小众的图书因为没有机会在畅销榜单露面,永远深藏角落。

“传统零售业提高零售的方式有三种,榜单、堆头和促销,但这三种方式对书以及更多的文化领域推荐都没有帮助。因为这三个方式和产品质量本身没有关系,和生活品质也没有关系,实际上人们真正被一本书吸引的原因,是内容。”李笛说,“在信息爆炸的时代里,如果不用更好的推荐算法给用户提供更丰富的选择,就会逐渐使人变得狭窄。正如现在一切都是流量至上,所有人都在看某一个电视剧,这就让人失去了看其他的可能性,最后造成更大的中心化了,这和互联网的原意也是背道而驰的。”